电厂燃料大数据中心管理平台的建设与应用

华电淄博热电有限公司 张泽巍 于 洋 华电国际电力股份有限公司信息管理分公司 刘 忻

青岛国瑞信息技术有限公司 谭 淇

随着发电行业供给侧改革的不断深入推进，竞价上网倒逼、煤电矛盾加剧、环保投入巨大等都给电厂带来了巨大的生产运营压力。在火电厂的正常运营中，煤的成本占整个发电成本的70%以上。

以一台300MW锅炉为例，若使其可用系数提高1%，则每年可以多发电0.3588亿度，若每度电的发电利润按0.05元计算，则每年可多增发电利润179.4万元。因此如何实现电站锅炉的高效低污染燃烧，提升机组安全运营水平，对电厂的可持续发展来说是一个非常重要的课题。

燃料大数据中心管理平台是以燃料为主线，打通网络信息、集控运行、煤质化验、掺配煤管理之间存在的信息孤岛，构建全厂以“煤”为中心的大数据中心平台。平台以接口统一服务、流程图自动转换、大数据存储技术、数据挖掘工具和优化决策模型等，围绕大型电站锅炉的燃烧优化和掺配煤数据等应用场景，应用数据预测、燃料特性挖掘、大数学建模和数据准确性追踪的方法，挖掘燃煤掺配的着火特性、燃尽特性、灰熔点特性、污染物排放特性和发电设备运行特性，为火力发电行业中燃煤掺配指导、锅炉燃烧效率提高、污染物排放降低、设备运行优化指导等提供了数据和理论支撑，具有极大的推广应用价值[1-2]。

1 平台设计

1.1 平台整体架构

燃料大数据中心管理平台涉及大数据的采集、存储和智能分析，包含大数据基础数据服务平台和智能数据分析平台，建设接口综合管理系统、大数据中心平台、流程图自动转换工具、数据挖掘工具库和运行成本优化以及数据展示及对外服务模块、系统配置管理模块等。

1.2 平台功能架构

燃料大数据中心管理平台根据不同的模块采用最佳最优的技术方式，如：前端采用HTML5、CSS3技术、实现美观且丰富的界面展示；数据分析端采用Python 和Java 提供了丰富的算法接口程序，提高模型计算性能；建立统一的对外访问方式，满足移动端的应用需求；实现系统秒级响应，可实现在线用户200人以上的高并发要求，并保证数据存储、传输的连续、安全、稳定；采用HTML5 BS端的架构形式，兼容ChromeIESafari 等主流浏览器。

2 系统功能及优点

2.1 大数据基础数据服务平台

大数据基础数据服务平台总体结构设计是在符合国家电力系统二次防护要求的前提下，通过与生产控制系统深度融合，完成了生产数据取、传、用、管各环节的智能化升级，满足了燃料大数据平台对安全性、可靠性、高性能和应用管理等方面的较高要求。

2.1.1 接口综合管理系统（iGR_IMS）

针对电力行业数据采集中长期以来存在的接口系统兼容性差、架构复杂、性能不足、业务扩展性不足、运维难度大等问题，建设大数据基础数据服务平台，实现生产过程数据采集、传输、监视、运维的综合管理。

接口综合管理系统结合发电企业生产数据采集、传输功能、性能要求、分散部署的特点，通过数据采集、穿隔离装置、系统状态自检、服务器状态检测、实时数据库状态检测、测点自动同步、异常测点报警、通道冗余热备等功能，实现在MIS 侧对实时数据系统进行统一管理、维护和状态监视的目的，以满足实时数据库系统和SIS 系统运行管理人员对数据采集接口的远程监视、集中管理、安全维护、状态报警等日常管理和维护需要。故障诊断信息以短信、微信或邮件的方式进行推送，协助运维人员快速锁定故障，减少排错时间、提升部门间协助效率，确保数据通讯的稳定性、实时性[1]。相比传统数据采集系统方案具有投资小、实施简单、维护方便的特点。

2.1.2 大数据中心平台

建设生产数据低延迟传输通道系统。为改善数据在传输过程的延迟，将对当前结构进行改造和优化，将使用数据快速交换技术（Data Express Forwarding,DEF）对当前使用的数据存储转发技术（Store and Forward）进行升级，将传统数据传输延迟由秒级降低至毫秒级，有效提升数据传输的实时性，确保DCS 与大数据应用系统间的高速数据同步；数据定制化转发。通过对数据传输系统的升级，系统能够根据应用系统需求的数据类型进行定制化数据交付服务，实现集中化的数据收集和按需数据服务。

2.1.3 流程图自动转换工具

流程图自动转换工具自动识别DCS 画面与SIS画面的差异性，通过数据采集系统实现对现场流程监视图的智能化采集、对比、分析及对外安全传输，实现展示系统的全自动化无人干预式数据展示和无人维护、少人维护的建设目标。

2.2 智能数据分析平台

数据挖掘工具库。集成主流的开源框架sklearn、TensorFlow、Pytorch 支持数据挖掘、机器学习、神经网络等众多的大数据分析算法。例如相关性分析，一元、多元、多项式拟合回归；随机森林、XGBoost 决策树分析；KMeans 聚类算法；LSTM 时序预测分析等。针对电厂业务，可进行延迟分析、稳态分析、工况分析等。所有数据挖掘工具采取全矩阵（笛卡尔积）分区的概念，可以选择任意测点、指标设计工况。分区范围可涵盖整个电厂的运行所有工况条件，例如针对热值、硫分、环境温度、机组负荷率等工况条件，分析脱硫系统总能耗在各个分区的拟合公式并自动建立最优拟合模型。在此模型中建立了9万多个工况，每个工况基于总能耗最优数据建模，并可以进行无量纲化处理等。建立的模型可以保存为本地xxx.model 文件,此文件可上传到BS 端平台应用中进行实时的运行指导优化，给电厂提出指导优化建议。

考虑污染成本的度电成本优化。通过对电厂燃煤、用水、自用电量、耗材、检修和薪资等固定成本和电量、污染防治成本和污染罚款的计算分析，建立综合火电机组发电污染成本的度电成本优化模型[2]，实现度电成本的实时核算和分段优化，为电量实时交易提供报价参考。通过度电成本反向评价燃煤掺烧建议的合理性，实现燃煤掺烧的智能化和精准化。

3 结论

燃料大数据中心管理平台利用机器学习算法和大数据挖掘等手段，为实现机组状态监测和故障诊断、配煤掺烧、燃烧调整提供数据预测和大分析工具，通过海量燃煤数据挖掘→提出掺配建议→机组燃烧评价→大数据样本增量学习的闭环建设，实现现代封闭煤场内数字化管理。做到科技与信息技术相应用，将准确的燃煤管理通过数字化切实服务于经营及生产，真实做到降低公司经营管理成本。能够使生产管理与经营管理紧密结合起来，提升燃料管理水平、增加效益，实现煤炭全过程管理无缝连接。实现精细化管理，实时获取煤场信息，为机组燃煤精准掺配提供可靠有保障数据。实现燃料系统实时数据支持和分析，及时掌控生产成本，为我国煤炭的清洁、高效利用建设示范性智慧化煤场打下基础。